[HADOOP] saveAsNewAPIHadoopFile 메소드에서 작동하지 않는 hdfs에 대한 스파크 쓰기

saveAsNewAPIHadoopFile 메소드에서 작동하지 않는 hdfs에 대한 스파크 쓰기

CDH 5.2.0에서 Spark 1.1.0을 사용하고 있으며 hdfs에서 읽고 쓸 수 있도록 노력하고 있습니다.

.text File 및 .saveAsTextFile이 이전 API를 호출하고 hdfs 버전과 호환되지 않는 것 같습니다.

  def testHDFSReadOld(sc: SparkContext, readFile: String){
    //THIS WILL FAIL WITH
    //(TID 0, dl1rhd416.internal.edmunds.com): java.lang.IllegalStateException: unread block data
    //java.io.ObjectInputStream$BlockDataInputStream.setBlockDataMode(ObjectInputStream.java:2420)

    sc.textFile(readFile).take(2).foreach(println)
  }

  def testHDFSWriteOld(sc: SparkContext, writeFile: String){
    //THIS WILL FAIL WITH
    //(TID 0, dl1rhd416.internal.edmunds.com): java.lang.IllegalStateException: unread block data
    //java.io.ObjectInputStream$BlockDataInputStream.setBlockDataMode(ObjectInputStream.java:2420)

    sc.parallelize(List("THIS","ISCOOL")).saveAsTextFile(writeFile)
  }

새로운 API 메소드로 이동하여 hdfs에서 읽기를 수정했습니다!

  def testHDFSReadNew(sc: SparkContext, readFile: String){
    //THIS WORKS
    sc.newAPIHadoopFile(readFile, classOf[TextInputFormat], classOf[LongWritable],
      classOf[Text],sc.hadoopConfiguration).map{
      case (x:LongWritable, y: Text) => y.toString
    }.take(2).foreach(println)
  }

그래서 내가 진보하고있는 것처럼 보였습니다. 위와 같이 더 이상 쓰기 오류가 발생하지 않고 작동하는 것처럼 보입니다. 유일한 문제는 디렉토리의 외로운 SUCCESS 플래그 파일 외에는 아무것도 없다는 것입니다. 더 당황스럽게도, 로그는 데이터가 _temporary 디렉토리에 기록되고 있음을 보여주었습니다. 파일 커미터가 파일을 _temporary 디렉토리에서 출력 디렉토리로 이동해야한다는 것을 전혀 깨닫지 못한 것 같습니다.

  def testHDFSWriteNew(sc: SparkContext, writeFile: String){
    /*This will have an error message of:
    INFO ConnectionManager: Removing SendingConnection to ConnectionManagerId(dl1rhd400.internal.edmunds.com,35927)
    14/11/21 02:02:27 INFO ConnectionManager: Key not valid ? sun.nio.ch.SelectionKeyImpl@2281f1b2
      14/11/21 02:02:27 INFO ConnectionManager: key already cancelled ? sun.nio.ch.SelectionKeyImpl@2281f1b2
      java.nio.channels.CancelledKeyException
    at org.apache.spark.network.ConnectionManager.run(ConnectionManager.scala:386)
    at org.apache.spark.network.ConnectionManager$$anon$4.run(ConnectionManager.scala:139)

    However lately it hasn't even had errors, symptoms are no part files in the directory but a success flag is there
    */
    val conf = sc.hadoopConfiguration
    conf.set("mapreduce.task.files.preserve.failedtasks", "true")
    conf.set("mapred.output.dir", writeFile)
    sc.parallelize(List("THIS","ISCOOL")).map(x => (NullWritable.get, new Text(x)))
      .saveAsNewAPIHadoopFile(writeFile, classOf[NullWritable], classOf[Text], classOf[TextOutputFormat[NullWritable, Text]], conf)

  }

로컬로 실행하고 hdfs 경로를 지정하면 파일이 hdfs에서 잘 나타납니다. 이것은 Spark 독립형 클러스터에서 실행할 때만 발생합니다.

다음과 같이 직업을 제출합니다. spark-submit-배포 모드 클라이언트 --master spark : // sparkmaster --class driverclass driverjar

해결법

1. ==============================

   1.다음 코드로 시도해 볼 수 있습니까?

   다음 코드로 시도해 볼 수 있습니까?

   import org.apache.hadoop.io._
   import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat
   val nums = sc.makeRDD(1 to 3).map(x => (new IntWritable(x), new Text("a" * x)))
   nums.saveAsNewAPIHadoopFile[TextOutputFormat[IntWritable, Text]]("/data/newAPIHadoopFile")
   

   다음 코드도 저에게 효과적이었습니다.

   val x = sc.parallelize(List("THIS","ISCOOL")).map(x => (NullWritable.get, new Text(x)))
   x.saveAsNewAPIHadoopFile("/data/nullwritable", classOf[NullWritable], classOf[Text], classOf[TextOutputFormat[NullWritable, Text]], sc.hadoopConfiguration)
   

   [root @ sparkmaster ~] # hadoop fs -cat / data / nullwritable / *

   15/08/20 02:09:19 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
   

from https://stackoverflow.com/questions/27072911/spark-writing-to-hdfs-not-working-with-the-saveasnewapihadoopfile-method by cc-by-sa and MIT license